韓国KAISTの研究チームによる世界初の分析で、AIエージェントはクエリ1件あたり生成AIよりも最大136.5倍ものエネルギーを消費することが明らかになりました。この結果は、大規模なAIエージェントの実装における能耗への懸念を示しています。今後のAIエージェント設計や運用において、効率化技術の開発が喫緊の課題となります。

Hugging Faceは、Kernelsというツールを大幅にアップデートしました。このアップデートにより、大規模言語モデル (LLM) の推論や評価プロセスが現在よりも遥かに高速かつ効率的に行えるようになりました。特に、モデルの評価指標の生成が簡素化され、実験的なワークフローが加速されます。

Anthropicは、大規模言語モデル(LLM)内に人間の意識研究で注目されている’グローバルワークスペース’に類似する構造’J-space‘が存在することを発見しました。新手法『Jacobian lens』を用いることで、従来の言語化されない思考を一部観測し、AIの安全性評価や悪意のあるコードの検知に応用できる可能性が示唆されています。この技術は安全なAI開発・運用への道を開くものと期待されています。

ソラコムは、2025年7月からの組織転換計画の一環として、After AIのコンセプトに基づいた新しい組織に生まれ変わる。この転換に伴い、マネージドAIエージェントサービス「SORACOM Agent」を展開し、企業の業務自動化を支援する。SORACOM Agentは、セキュリティと効率性を重視したマネージド環境で動作する。

アシックスは、RebuilderAIと共同でAIを活用したシューズ設計技術を発表しました。デザイナーの2Dスケッチから3Dデータ生成、CAE/FEA解析までをAIが行うことで、デザインプロセス全体の効率化を図ります。この技術により、製品開発期間の大幅な短縮が期待されています。

SwitchBot スマートサーキュレーター2 Proは、最長約70時間の連続コードレス稼働を実現したサーキュレーターです。スマホで遠隔操作でき、左右90度・上下90度の自動首振り、イオン発生機能などにより部屋全体の空気を効率よく循環させます。静音設計を採用しており、夜間でも使用可能です。

任天堂は、欧州のバッテリー規制に対応するため、2027年2月中旬に初代Nintendo Switchシリーズの販売を終了する予定です。この対策として、ユーザーが交換できるバッテリーを搭載した新型モデル（Nintendo Switch 2など）を2026年夏から順次販売します。初代Switchの販売終了後、新型機の投入により、既存ユーザーの買い替えや新規顧客獲得に貢献することが期待されます。

中国大手テクノロジー企業テンセントが、2950億パラメータ（295B）規模のAIモデル「Hy3」をオープンモデルとして発表しました。このモデルはGLM-5.2やDeepSeek-V4-Proといった大規模モデルと同等の性能を発揮し、特に科学タスクにおいてはGPT-5.5を上回る結果を示しています。テンセントが開発したこのモデルの公開により、オープンAIモデルの競争が激化すると予想されます。

情報分析企業Monetize Betterの調査によると、GoogleのAI（特に「AIによる概要」機能）導入によって、過去に成功していたブログ100個のうち約半数が検索トラフィックの85%以上を喪失した。これは、ユーザーがウェブサイトを開くことなく、情報の要約を生成するAIの普及により、検索エンジンからの誘導が低下していることを示唆している。このトレンドは、オンラインコンテンツ作成者やマーケターにとって重要な課題となる。

Ternlightは、WebAssembly (WASM) を使用してブラウザ内で動作する、7MB程度のサイズの埋め込みAIモデルです。このモデルは、大規模なAIモデルを実行することなく、テキストや画像の検索、要約などのタスクを実行できます。特にリソースが限られた環境での利用に適しており、開発者の負担を軽減することが期待されます。

AMDは、Ryzen AI Haloという名前のAI開発用ハードウェアキットを発表した。このキットは、最新のAMD Ryzen AIプロセッサと、AI開発に必要なツールやソフトウェアを搭載している。価格は約4,000ドルと高価だが、実機でのAIモデル開発や性能評価に適したものである。

この研究は、Reinforcement Learning with Verifiable Rewards (RLVR) のコストが高い問題を解決するため、まず小型モデルでオンポリシーな学習を実施し、その結果を大規模モデルに蒸留（転移学習）することで、汎化性能を高めるアプローチを提案する。特に、モデル規模が大きくなるにつれて、ポストトレーニングのボトルネックが深刻化するため、この弱から強への移行手法は有効であると主張している。

この論文では、離散拡散モデルが具体的にどのようなものを学習しているのか（ノイズ除去器、スコア比率、橋渡しプラグ予測など）について厳密な理論的根拠を提示する。CTMC ELBOを用いたOracle Distance定理により、負のELBOはda（diffusion approximation）と等価であることが示された。

長期間のインタラクションを行う長ホライズンエージェントLLMは、有限のコンテキストウィンドウによって制約を受けている。この問題を解決するため、過去のインタラクション状態を要約し、圧縮されたコンテキスト下でロールアウトを継続するコンテキスト圧縮が提案されている。本研究では、CompactionRLという強化学習戦略を提案し、長ホライズンエージェントLLMのトレーニングを実現する。